Santé
L’échocardiographie guidée par l’IA affiche un taux élevé de résultats adéquats dans les études contrôlées

Points clésLes environnements contrôlés ont produit 98,0 % d'échocardiographies de qualité…
Voir plus
- Les environnements contrôlés ont produit 98,0 % d'échocardiographies de qualité diagnostique, tandis que les études communautaires décentralisées regroupées atteignaient 63,7 %.
- La comparaison des environnements était post hoc et confondue par la formation à la supervision et la sélection des patients, de sorte que la causalité reste non prouvée.
- Une acquisition de qualité diagnostique ne constitue pas un diagnostic précis et aucune étude n'a établi de lien entre l'assistance par IA et les résultats pour les patients.
Une revue systématique et méta-analyse de Bijay Bastola et ses collègues, publiée le 16 novembre 2026 dans BMC Cardiovascular Disorders, a estimé à 96,3 % le taux combiné d’examens échocardiographiques de qualité diagnostique réalisés par des opérateurs novices et non experts avec un guidage par IA en temps réel, sur la base de huit études. Cette mesure indique si une acquisition répondait au seuil d’adéquation prédéfini dans chaque étude.
Les résultats variaient fortement selon le contexte de déploiement. Six études menées dans des conditions contrôlées ou structurées ont donné un taux combiné de 98,0 %, avec un intervalle de confiance à 95 % de 96,7 % à 99,2 %. Deux études communautaires décentralisées menées en conditions réelles ont donné un taux combiné de 63,7 %, avec un intervalle de confiance à 95 % de 20,6 % à 92,6 % ; leurs taux respectifs étaient de 44,8 % et de 79,8 %. Une méta-régression a révélé que la différence entre les sous-groupes était statistiquement significative (p < 0,001).
Les auteurs ont considéré cette comparaison comme une analyse exploratoire réalisée a posteriori, et non comme une analyse préenregistrée. Le contexte de déploiement était étroitement lié à la supervision, à la formation, au profil des opérateurs, à la sélection des patients et à la définition des résultats ; l’analyse ne permet donc pas d’établir que le contexte est la cause des différences. Avec seulement deux études communautaires, l’estimation inférieure est descriptive et ne constitue pas un taux de réussite prévisible pour les futurs programmes.
Ce que la revue a mesuré
L’analyse portait sur 2 365 observations recueillies au niveau de l’examen, de la séquence d’acquisition ou de l’image, réalisées par 74 opérateurs n’ayant suivi aucune formation officielle en échocardiographie et ne possédant aucune certification dans ce domaine. Les études admissibles concernaient de vrais patients et portaient sur le guidage par IA pendant l’acquisition elle-même, et non sur l’interprétation automatisée d’images capturées auparavant. Les données couvraient cinq systèmes d’IA et différents types d’opérateurs, des infirmiers et du personnel de recherche non clinique aux étudiants en médecine, aux médecins généralistes et aux agents de santé communautaires.
Deux évaluateurs ont effectué indépendamment des recherches dans PubMed/MEDLINE, Google Scholar, Embase, Scopus et ClinicalTrials.gov ; la dernière mise à jour a eu lieu le 27 septembre 2026. Un second modèle statistique a estimé le taux global à 93,0 % ; les analyses de sensibilité, fondées sur différents ensembles d’études, définitions des résultats et méthodes statistiques, ont donné des taux allant de 91,2 % à 97,8 %. L’intervalle de confiance à 95 % de l’estimation principale était de 85,5 % à 99,3 %, et les différences importantes entre les études ont conduit les auteurs à avertir qu’il ne fallait pas considérer l’estimation globale comme un taux universel pour les nouveaux déploiements.
Adéquation des images et résultats cliniques
Dans cinq études, des lecteurs experts indépendants ont évalué l’adéquation des images. Dans les trois autres, l’adéquation était définie par la capacité du logiciel d’IA à générer une mesure automatisée de la fraction d’éjection ventriculaire gauche, un indicateur de la fonction cardiaque ; le système évalué déterminait donc aussi le résultat. Toutes les observations ne correspondaient pas à des patients distincts : six études ont rapporté des examens, une a comptabilisé 60 tentatives d’acquisition chez 10 patients et une autre, 954 images provenant de 159 patients.
Comme presque toutes les études incluses ne comportaient qu’un seul groupe, les résultats montrent ce que les novices ont pu accomplir avec le guidage par IA, plutôt que la contribution de ce guidage par rapport à une acquisition sans assistance. Une acquisition de qualité diagnostique n’équivaut pas non plus à un diagnostic exact, et aucune étude n’a rapporté d’effet sur la prise en charge clinique ou les résultats pour les patients.
Les évaluateurs ont désigné la formation des opérateurs, la supervision, les contrôles de la qualité des images et l’assurance qualité comme des priorités pour un déploiement plus large. Ils ont également appelé à mener des études comparatives auprès de vrais patients, afin d’établir des liens entre l’adéquation des images, l’exactitude diagnostique et les résultats cliniques. Pour les programmes de dépistage, cela signifie concrètement que des non-spécialistes formés peuvent réaliser des acquisitions selon des protocoles structurés ; toutefois, un déploiement plus large nécessite encore de démontrer que des acquisitions fiables peuvent être reproduites dans les milieux communautaires et que les images obtenues permettent d’établir des diagnostics exacts et d’améliorer les résultats pour les patients.












